龙空技术网

面试官竟然问我订单ID是怎么生成的?难道不是MySQL自增主键?

一灯架构 29464

前言:

今天小伙伴们对“mysql数据库id自动编号”大体比较讲究,你们都想要分析一些“mysql数据库id自动编号”的相关资讯。那么小编也在网络上搜集了一些对于“mysql数据库id自动编号””的相关知识,希望小伙伴们能喜欢,小伙伴们一起来了解一下吧!

一个美女面试官坐到我的对面,发光logo的MacBook,也挡不住她那圆润可爱的脸庞。

程序媛本就稀有,美女面试官更是难寻。具体长什么样呢?就像下面这样:

这么温柔可爱的面试官,应该不会为难我吧。嗯,应该是的,毕竟我这么帅气,面试可能就是走个过场。美女面试官是不是单身?毕竟程序员都不善交流,因为我也是单身,难道我的姻缘就在此注定。孩子的名字我都想好了。一冰!好名字。

面试官:小伙子,你低着头笑什么呐。开始面试了,你知道订单ID是怎么生成的吗?

啥?订单ID怎么生成?美女怎么不按套路出牌!HashMap实现原理,我已经倒背如流,你不问。瞎问什么订单ID。

我:还能咋生成?用数据库主键自增呗。

面试官:这样不行啊。数据库主键顺序自增,每天有多少订单量被竞争对手看得一清二楚,商业机密都暴露了。 况且单机MySQL只能支持几百量级的并发,我们公司每天千万订单量,hold不住啊。

我:嗯,那就用用数据库集群,自增ID起始值按机器编号,步长等于机器数量。

比如有两台机器,第一台机器生成的ID是1、3、5、7,第二台机器生成的ID是2、4、6、8。性能不行就加机器,这并发量der一下就上去了。

面试官:小伙子,你想得倒是挺好的。你有没有想过实现百万级的并发,大概就需要2000台机器,你这还只是用来生成订单ID,公司再有钱也经不起这么造。

我:既然MySQL的并发量不行,我们是不是可以提前从MySQL获取一批自增ID,加载到本地内存中,然后从内存中并发取,这并发性能岂不是杠杠滴。

面试官:你还挺上道,这种叫号段模式。并发量是上去了,但是自增ID还是不能作为订单ID的。

我:用Java自带UUID怎么样?

import java.util.UUID;/** * @author yideng * @apiNote UUID示例 */public class UUIDTest {    public static void main(String[] args) {        String orderId = UUID.randomUUID().toString().replace("-", "");        System.out.println(orderId);    }}

输出结果:

58e93ecab9c64295b15f7f4661edcbc1

面试官:也不行。32位字符串会占用更大的空间,无序的字符串作数据库主键,每次插入数据库的时候,MySQL为了维护B+树结构,需要频繁调整节点顺序,影响性能。况且字符串太长,也没有任何业务含义,pass。

小伙子,你可能是没参与过电商系统,我先跟说一下生成订单ID要满足哪些条件:

全局唯一:如果订单ID重复了,肯定要完蛋。

高性能:要做到高并发、低延迟。生成订单ID都成为瓶颈了,那还得了。

高可用:至少要做到4个9,别动不动就宕机了。

易用性:如果为了满足上述要求,搞了几百台服务器,复杂且难以维护,也不行。

数值且有序递增:数值占用的空间更小,有序递增能保证插入MySQL的时候更高性能。

嵌入业务含义:如果订单ID里面能嵌入业务含义,就能通过订单ID知道是哪个业务线生成的,便于排查问题。

[what],生成一个小小的订单ID,搞出这么多规则,还能玩下去吗?难道今天的面试要跪,怎么可能。一灯的文章我一直订阅,这个还能难得住我,陪美女程序员玩玩还当真了。

我:我听说圈内有一种流传已久的分布式、高性能、高可用的订单ID生成算法—雪花算法,完全能满足你的上述要求。雪花算法生成ID是Long类型,长度64位。

第 1 位: 符号位,暂时不用。

第 2~42 位:共41位,时间戳,单位是毫秒,可以支撑大约69年

第 43~52 位:共10位,机器ID,最多可容纳1024台机器

第 53~64 位:共12位,序列号,是自增值,表示同一毫秒内产生的ID,单台机器每毫秒最多可生成4096个订单ID

代码实现:

/** * @author 一灯架构 * @apiNote 雪花算法 **/public class SnowFlake {    /**     * 起始时间戳,从2021-12-01开始生成     */    private final static long START_STAMP = 1638288000000L;    /**     * 序列号占用的位数 12     */    private final static long SEQUENCE_BIT = 12;    /**     * 机器标识占用的位数     */    private final static long MACHINE_BIT = 10;    /**     * 机器数量最大值     */    private final static long MAX_MACHINE_NUM = ~(-1L << MACHINE_BIT);    /**     * 序列号最大值     */    private final static long MAX_SEQUENCE = ~(-1L << SEQUENCE_BIT);    /**     * 每一部分向左的位移     */    private final static long MACHINE_LEFT = SEQUENCE_BIT;    private final static long TIMESTAMP_LEFT = SEQUENCE_BIT + MACHINE_BIT;    /**     * 机器标识     */    private long machineId;    /**     * 序列号     */    private long sequence = 0L;    /**     * 上一次时间戳     */    private long lastStamp = -1L;    /**     * 构造方法     * @param machineId 机器ID     */    public SnowFlake(long machineId) {        if (machineId > MAX_MACHINE_NUM || machineId < 0) {            throw new RuntimeException("机器超过最大数量");        }        this.machineId = machineId;    }    /**     * 产生下一个ID     */    public synchronized long nextId() {        long currStamp = getNewStamp();        if (currStamp < lastStamp) {            throw new RuntimeException("时钟后移,拒绝生成ID!");        }        if (currStamp == lastStamp) {            // 相同毫秒内,序列号自增            sequence = (sequence + 1) & MAX_SEQUENCE;            // 同一毫秒的序列数已经达到最大            if (sequence == 0L) {                currStamp = getNextMill();            }        } else {            // 不同毫秒内,序列号置为0            sequence = 0L;        }        lastStamp = currStamp;        return (currStamp - START_STAMP) << TIMESTAMP_LEFT // 时间戳部分                | machineId << MACHINE_LEFT             // 机器标识部分                | sequence;                             // 序列号部分    }    private long getNextMill() {        long mill = getNewStamp();        while (mill <= lastStamp) {            mill = getNewStamp();        }        return mill;    }    private long getNewStamp() {        return System.currentTimeMillis();    }    public static void main(String[] args) {        // 订单ID生成测试,机器ID指定第0台        SnowFlake snowFlake = new SnowFlake(0);        System.out.println(snowFlake.nextId());    }}

输出结果:

6836348333850624

接入非常简单,不需要搭建服务集群,。代码逻辑非常简单,,同一毫秒内,订单ID的序列号自增。同步锁只作用于本机,机器之间互不影响,每毫秒可以4百万的订单ID,非常强悍。

生成规则不是固定的,可以根据自身的业务需求调整。如果你不需要那么大的并发量,可以把机器标识位拆出一部分,当作业务标识位,标识是哪个业务线生成的订单ID。

面试官:小伙子,有点东西,深藏不漏啊。再问个更难的问题,你觉得雪花算法还有改进的空间吗?

你真是打破砂锅问到底,不把我问趴下不结束。幸亏来之前我瞥了一眼一灯的文章。

我:有的,雪花算法严重依赖系统时钟。如果时钟回拨,就会生成重复ID。

面试官:有什么解决办法吗?

我:有问题就会有答案。比如美团的Leaf(美团自研一种分布式ID生成系统),为了解决时钟回拨,引入了zookeeper,原理也很简单,就是比较当前系统时间跟生成节点的时间。

有的对并发要求更高的系统,比如双十一秒杀,每毫秒4百万并发还不能满足要求,就可以使用雪花算法和号段模式相结合,比如百度的UidGenerator、滴滴的TinyId。想想也是,号段模式的预先生成ID肯定是高性能分布式订单ID的最终解决方案。

面试官:小伙子,我看你简历上写着已经离职了。明天就来上班吧,薪资double,就这样了。

标签: #mysql数据库id自动编号 #mysql获取插入数据的id